Інтелектуальні системи експертної оцінки аграрних проектів є важливим інструментом для автоматизації аналізу, обґрунтування рішень і прогнозування результатів у сільському господарстві. Актуальність таких систем зумовлена інтенсивним розвитком сучасних технологій, включаючи сенсори, супутникові знімки, системи збору та обробки даних, а також впровадження програмного забезпечення для управління технологічними процесами та агротехнічними операціями, але використання таких систем повинно вкладатися у рамки стратегії сталого розвитку [1]. Основними напрямками цієї стратегії [2] стали "…економічне зростання, соціальна справедливість та захист оточуючого середовища…", які ґрунтуються на п'яти принципах – відповідальності та відданості країн виконанню цієї стратегії; інтеграції економічної, соціальної та природозахисної політик у всіх сферах, на всіх територіях та на всіх етапах розвитку; широкій залученості та ефективному партнерству; розвитку відповідного потенціалу та сприятливого середовища; зосередженність на результатах та засобах з їх реалізації.

Мета та Завдання

Метою розробки інтелектуальної системи є створення ефективного інструменту для оцінки перспективності сільськогосподарських проектів з використанням методів аналізу великих даних, машинного навчання, нейронних мереж, нечіткої логіки, а також експертних систем на основі знань. Такі системи забезпечують об’єктивну оцінку проектів, враховуючи сукупність різних факторів: природні умови, ресурси, технології вирощування, економічні ризики та інші. Дані для аналізу можуть включати інформацію про контури полів, характеристики ґрунту, ресурси, урожайність та технологічні операції. Особливістю системи, яка пропонується до розробки є використання для представлення спеціальних знань онтологічного підходу, а як основу втілення - технології цифрових двійників DT - Digital Twins.

У базовому тлумаченні DT - це [3, 4] “Віртуальна модель фізичного об'єкта чи системи для точного відображення властивостей. Він охоплює життєвий цикл об'єкта, ”. У більш широкому тлумаченні, під цифровим двійником можуть розуміти [5] не тільки фізичні об’єкти.

Методи та підходи

Проаналізувавши технологічні процеси у аграрництві, стає зрозумілим що є стандарти яких притримуються всі аграрії залежно від технології вирощування тих чи інших сільськогосподарських  культур але кожен процес в різних аграріїв має індивідуальні риси. Це залежить від наявної техніки у господарстві, банку землі, конфігурації полів, розміру полів, рельєфу, використання матеріалів (насіння, добрива, засоби захисту). Кожна складова суттєво впливає на врожайність та собівартість вирощування продукції. Відповідно враховуючи що кінцевою метою є отримання прибутку, то ефективне використання всіх матеріалів та засобів є  необхідним.

Розглянемо для прикладу рух техніки по полю та економію ресурсів без падіння врожайності. Агротехнічні операції виконуються на полях в різних напрямках та індивідуально на кожному полі яке має свій розмір, рельєф та конфігурацію. Оптимізувавши рух техніки по полю ми впливаємо на час виконання операцій, перекриття та пропуски між проходами агрегатів, а відповідно економимо ресурси у вигляді палива, насіння, добрив, засобів захисту рослин та амортизації техніки. Також мінімізуючи пропуски ми не втрачаємо на врожайності з поля через певний відсоток пропусків.

Маючи цифрового двійника поля можна легко розрахувати окупність інвестицій у переобладнання техніки автопілотами для мінімізації перекриттів та пропусків.

Іншою до реалізації є проблема гетерогенності інформації та її, практично, “всеосяжність” - практично, кожен об’єкт із оточуючого середовища може стати компонентою, включеною у процес аналізу та застосування.

Очікувані Результати

Розроблена система повинна дозволити агропідприємствам:

• автоматизувати процеси оцінки проектів;

• візуалізувати результати для спрощення аналізу, виявлення проблемних моментів та оптимізації технологічних операцій;

• прогнозувати урожайність та ресурси, визначати доцільність використання певних технологій та техніки;

• знижувати ризики за рахунок обґрунтованих рішень, що враховують різні аспекти проектів, такі як економічна ефективність, технологічна доцільність, стійкість до змін клімату та інші.

Практичне значення

Впровадження таких інтелектуальних систем забезпечує:

• Збільшення продуктивності за рахунок автоматизованого аналізу та оптимізації управління ресурсами.

• Зниження ризиків шляхом обґрунтованого прогнозування та вибору культур, що відповідають умовам конкретної місцевості.

• Економічну ефективність через підвищення дохідності та зниження витрат на ресурсах.

• Інноваційність в аграрному секторі, стимулюючи розробку та впровадження нових підходів у виробництві та управлінні.

Висновки

Інтелектуальні системи для оцінки аграрних проектів на основі методів машинного навчання, нечіткої логіки, експертних систем та математичних моделей дозволяють створити комплексний підхід до управління аграрними системами. Вони підвищують ефективність і гнучкість управлінських рішень, а також сприяють економічній вигоді та стійкості виробництва, що дозволяє аграрним підприємствам максимально ефективно використовувати ресурси та досягати високих показників прибутковості.

ЛІТЕРАТУРА ТА ДЖЕРЕЛА

1. Our Work on the Sustainable Development Goals in Ukraine. https://ukraine.un.org/en/sdgs Дата звернення: 5.11.2024

2. UNDESA (2002) Guidance in Preparing a National Sustainable Development Strategy:  Managing Sustainable Development in a New Millennium.  DESA/DSD/PC2/BP13

3. What is a digital twin? | IBM https://www.ibm.com/topics/what-is-a-digital-twin Дата звернення: 10.03.2024

4. What is Digital Twin Technology? AWS https://aws.amazon.com/what-is/digital-twin/?nc1=h_ls Дата звернення: 10.03.2024

5. What is digital-twin technology? McKinsey&Company, https://www.mckinsey.com/featured-insights/ mckinsey-explainers/what-is-digital-twin-technology Дата звернення: 01.11.2024